[发明专利]一种人机交互命名实体识别方法、装置、设备及存储介质

说明书

本发明公开了一种人机交互命名实体识别方法、装置、设备及存储介质，该方法包括：获取文本信息，将文本信息转换为词状态向量；利用词状态向量和全局句子状态向量，获取新的词状态向量；依据新的词状态向量进行实体识别，得到实体识别结果。该方法实现提高命令实体识别结果的准确性。

技术领域

本发明涉及计算机技术领域，特别是涉及一种人机交互命名实体识别方法、装置、设备及存储介质。

背景技术

智能机器人交互是实现城市智能化的一项重要工作。近年来，随着计算机集群计算能力的大幅度提升，人工智能算法研究和产业落地步入了发展快车道，而智能机器人交互作为人工智能重要分支—自然语言处理的一个重要应用，也逐渐成为学术界、工业界重点投入的研究热点和产品方向。无论在教育领域、金融领域，还是医疗领域都有着广泛的应用，通过使用智能机器人，可以提高效率、减少人力资源。智能机器人交互对社会经济效益和国家科技发展都具有重大意义。

命名实体识别在智能机器人交互系统中，需要从用户的提问中准确的识别出各种实体的类型才能更好地回答用户，例如：“我想订一张后天从杭州到三亚的机票？”“从三亚飞杭州的机票多少钱？”，分别需要准确地识别出“后天”，“三亚”和“杭州”才能准确回答用户的问题。对话系统需要接收纯文本形式的自然语言，必需经过实体识别将无结构化的数据转化为结构化数据，才能进行后续的意图识别等步骤。

目前采用的命名实体方法利用了人工神经网络Sentence-State LSTM(S-LSTM)，这是一种长短时记忆网络。命名实体方法中，先将原始文本转换为词状态向量，将词状态向量输入至人工神经网络S-LSTM中，再对S-LSTM输出的隐藏状态向量结果进行实体识别，得到命名实体识别结果。

但是人工神经网络S-LSTM中无法结合句子级别信息和词级别信息，最后得到命令实体识别结果的准确性较低。因此，如何提高命令实体识别结果的准确性是亟待解决的问题。

发明内容

本发明的目的是提供一种人机交互命名实体识别方法、装置、设备及存储介质，以实现提高命令实体识别结果的准确性。

为解决上述技术问题，本发明提供一种人机交互命名实体识别方法，包括：

获取文本信息，将文本信息转换为词状态向量；

利用词状态向量和全局句子状态向量，获取新的词状态向量；

依据新的词状态向量进行实体识别，得到实体识别结果。

优选的，所述将文本信息转换为词状态向量，包括：

将文本信息进行向量转换，得到词向量；

将词向量输入至人工神经网络中，输出得到词状态向量。

优选的，所述人工神经网络包括双向长短期记忆网络BI-LSTM。

优选的，所述利用词状态向量和全局句子状态向量，获取新的词状态向量，包括：

采用门控机制连接词状态向量和全局句子状态向量，得到新的词状态向量。

优选的，所述门控机制包括第一门控机制和第二门控机制；所述全局句子状态向量为前一时刻的全局句子状态向量。

优选的，所述新的词状态向量的表达式如下：

其中，为词状态向量，g_t-1为前一时刻的全局句子状态向量，为第一门控机制，为第二门控机制，为新的词状态向量。

优选的，第一门控机制第二门控机制的表达式如下：